2021年7月20日,纽约——英特尔子公司Mobileye今日宣布,Mobileye的自动驾驶汽车测试车队已在纽约市开跑,纽约市成为了Mobileye快速扩展的全球自动驾驶汽车测试计划中的一部分。纽约市是北美最大的城市,拥有全球最具挑战性的驾驶环境之一。此次Mobileye自动驾驶车队进军纽约市,充分证明了Mobileye自动驾驶技术的强大实力,展示了Mobileye的方案在支持地理和经济层面快速扩展的独特优势。
Mobileye自动驾驶汽车在纽约市开跑
英特尔公司高级副总裁、英特尔子公司Mobileye总裁兼首席执行官Amnon Shashua教授表示:“在纽约市这样路况复杂的城市开展路测,是检验自动驾驶系统能力,推动自动驾驶技术商业化落地的关键一步。”
如下面的视频所示,搭载了Mobileye纯摄像头子系统的自动驾驶汽车在纽约市拥挤的街道上行驶。道路上挤满了行人、骑车人、不让分毫的司机,并排停放车辆的区域、施工区域、应急车辆行驶区域,隧道和桥梁等等。在此之中,Mobileye的真正冗余™(True Redundancy™)方案使得自动驾驶系统在全力押注计算机视觉子系统的同时,还添加了激光雷达/雷达的子系统以实现冗余。
Mobileye近期申请并获得了纽约的自动驾驶汽车测试许可证,这意味着Mobileye可以在纽约市拥挤的街道上测试自动驾驶汽车,Mobileye也因此成为了目前唯一一家获得在纽约市开展自动驾驶汽车路测资格的公司。当前,Mobileye的自动驾驶汽车正在不分昼夜地汲取宝贵实战经验,在这之中,有七个亮点尤其值得关注:
行人:行人乱穿马路在许多城市都很常见,但在纽约市,这一现象尤为猖獗,且行人的数量非常多。自动驾驶汽车必须对这些行人的行为做出预判,并将这些预判纳入其驾驶策略。人类会本能地这样做,而机器则必须依靠编程来应对。
驾驶行为:当街道拥堵时,司机会变得不耐烦并不让分毫。纽约市的司机,尤其是出租车司机和其他专业驾驶员,与其他城市的司机相比更是如此。
交通密度和多样的道路使用者:尽管纽约市的汽车保有量与美国其他大城市相比较低,但包括出租车、豪华轿车、公共汽车、货车、运餐车、马车、应急救援车辆、自行车、踏板车和滑板等在内,纽约市道路使用者的数量和种类尤为繁多。
并排停车:谁停车了,谁没停车?人类比机器更容易回答这个问题。纽约的高人口密度导致大量的运输车辆必须停在公路上卸货,因此,并排停车的现象在纽约市十分常见。尽管视频显示出Mobileye的自动驾驶汽车能够从其他道路使用者那里获取线索来决定何时绕行,但对自动驾驶汽车来说,这种决策仍然十分艰难。
施工:纽约市有许多道路施工区域,得益于Mobileye时刻更新的AV Maps,Mobileye对哪些道路正在施工了如指掌。其他公司要么依靠自己的测试车来制作地图,要么需要采用造价达数百万美元的特殊地图测绘车辆进行地图绘制,但Mobileye则能够直接从路上行驶的汽车中获取有关交通拥堵或车道封闭的实时数据,而这些数据还能够并且确实授权给了相关的市政部门供其使用。
隧道和桥梁:曼哈顿岛通过15条隧道和21座桥梁与周边地区相连,其中许多道路都包含由路桩或锥形桶构成的狭窄车道,而这是许多自动驾驶汽车的“阿喀琉斯之踵”。面对这类复杂的交通设施,甚至是多层道路,Mobileye的众包AV Maps技术和训练有素的传感系统都对此了如指掌,并能从容应对。
这座城市真是个不夜城(灯光!):虽然巴黎获得了“不夜城”的称号,但曼哈顿的夜晚同样灯火通明。视觉噪音和光污染对自动驾驶汽车的传感系统来说是极大的挑战,而Mobileye的自动驾驶汽车只需要进行一些算法调整即可轻松应对。
今天的活动
在今天于纽约市纳斯达克举行的媒体活动中,英特尔公司高级副总裁、英特尔子公司Mobileye总裁兼首席执行官Amnon Shashua教授介绍了Mobileye的技术是如何为商业化做好准备的。对此,Shashua教授还分享了Mobileye的自动驾驶汽车在白天、夜间以及大雨天在纽约市充满挑战的道路上行驶的视频。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。